CN113655072A - 检测样品表面污染物的方法、装置和计算机可读取介质 - Google Patents

检测样品表面污染物的方法、装置和计算机可读取介质 Download PDF

Info

Publication number
CN113655072A
CN113655072A CN202110963058.6A CN202110963058A CN113655072A CN 113655072 A CN113655072 A CN 113655072A CN 202110963058 A CN202110963058 A CN 202110963058A CN 113655072 A CN113655072 A CN 113655072A
Authority
CN
China
Prior art keywords
sample
spectrum
uncontaminated
contaminated
region
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110963058.6A
Other languages
English (en)
Other versions
CN113655072B (zh
Inventor
徐大勇
李华杰
王道铨
堵劲松
骆永昌
孟庆华
林志平
李辉
苏子淇
王锐亮
李嘉康
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Tobacco Fujian Industrial Co Ltd
Zhengzhou Tobacco Research Institute of CNTC
Original Assignee
China Tobacco Fujian Industrial Co Ltd
Zhengzhou Tobacco Research Institute of CNTC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China Tobacco Fujian Industrial Co Ltd, Zhengzhou Tobacco Research Institute of CNTC filed Critical China Tobacco Fujian Industrial Co Ltd
Priority to CN202110963058.6A priority Critical patent/CN113655072B/zh
Publication of CN113655072A publication Critical patent/CN113655072A/zh
Application granted granted Critical
Publication of CN113655072B publication Critical patent/CN113655072B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/952—Inspecting the exterior surface of cylindrical bodies or wires
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/178—Methods for obtaining spatial resolution of the property being measured
    • G01N2021/1785—Three dimensional

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本公开提供一种检测样品表面污染物的方法、装置和计算机可读取介质。其中，检测样品表面污染物的方法包括：获取样品光谱；对样品光谱进行主成分分析，取前三个主成分所对应的波段数据生成假彩色图像；从假彩色图像中识别受污染区和未污染区；分别获取受污染区与未污染区的光谱；比较受污染区与未污染区的光谱差异，以及根据所述差异定位一个或多个特征波长；根据所述特征波长确定污染物的一个或多个性质。

Description

检测样品表面污染物的方法、装置和计算机可读取介质
技术领域
本发明涉及光谱检测领域，具体涉及一种检测样品表面污染物的方法、装置和计算机可读取介质。
背景技术
卷烟在生产加工过程由于烟丝干燥水分不均、加料加香不匀、加工设备漏油等原因，卷制后烟支表面容易污染，出现色斑烟支，影响产品形象和消费者健康。因此在实际生产过程中，对于污染烟支应及时发现并剔除，同时查找原因并排除隐患。目前主要发现色斑烟支主要靠操作工进行巡查或消费者反馈，时效性差，发现率低，产生色斑的原因主要靠人工经验判别，并挨个排查，效率低。
中国专利201610234421.X发明了一种卷烟烟支色斑污染的检测方法及系统，该专利发明了一种利用近红外判定污染源的方法。该专利是仅对污染后的烟支的污染源进行追溯，无法进行实时在线监控，并且需操作繁琐，主要表现在：一是需要将每种污染源及卷烟材料进行污染，获得第一光谱曲线并建模，利用模型识别待测污染烟支的污染源；二是结果准确度受建模方法、模型的稳健性以及卷烟纸批次的稳定性影响较大，为保证结果准确性，需要对不同批次卷烟材料进行重新建模，针对每一污染源每次建模测试数量需要200个样品，测试量巨大，不便于具体实施。
《基于ATR-FTIR技术的黄斑烟污染源鉴别》(食品与机械，2019(11))通过比对自制黄斑烟及实际黄斑烟上污染斑点的光谱实现污染物鉴别，检测是将待测样品置于晶体材料(通常采用Zn、Se、Ge、Si晶体和金刚石)上，通过采集样品表面的反射信号来获得样品表层化学成分的结构信息。该方法与专利201610234421.X类似，需利用所有污染物和所有烟用纸张自制黄斑烟样品建立光谱数据库，由于烟用纸张种类繁多，且不同批次烟用卷烟纸存在差异，判决结果准确性和稳定性难以保证，且检测时需将污染位置裁剪出来，无法实现在线监测。
《烟支黄斑污染物的追溯与鉴别》(贵州农业科学，2019,47(5))采用傅立叶变换红外光谱(FT-IR)法与气相色谱质谱法(Gc/MS)对卷烟生产过程中产生的黄斑烟支表面污染物进行分析和鉴别。该方法解决了污染物与被污染纸基光谱信息混元问题，但需对样品进行前处理，操作较为复杂，检测时间较长，且无法实现在线监测。
基于以上方法均是针对人为发现烟支污染后针对污染源追溯的所提出的技术方案，操作繁琐，且均无法实现在线的检测。
发明内容
针对上述方法操作繁琐、准确度受被污染物的批次差异及模型稳定性的影响、无法在线检测和识别的问题，本发明提出了一种检测样品表面污染物的方法，该方法能够自动识别样品(如烟支)是否被污染，还能够判断污染物的来源。
在一些方面，本公开一种检测样品表面污染物的方法，包括：
-获取样品光谱；
-对样品光谱进行主成分分析，取前三个主成分所对应的波段数据生成假彩色图像；
-从假彩色图像中识别受污染区和未污染区；
-分别获取受污染区与未污染区的光谱；
-比较受污染区与未污染区的光谱差异，以及根据差异定位一个或多个特征波长；
-根据特征波长确定污染物的一个或多个性质。
上述方案通过主成分分析获得的假彩色图像识别受污染区与未污染区，有效提高了识别精度。
上述方案通过比较受污染区与未污染区的光谱，有效扣除了烟支背景对于污染区成分的影响，突出了污染区的光谱特征。
在一些实施方案中，样品光谱为样品的高光谱图像。
在一些实施方案中，高光谱图像是在以下一项或多项光谱测试条件下采集的：
-高光谱的波长范围为400-2500nm(例如400-1000nm或1000-2500nm)；
-高光谱的波段数为250～300；
-高光谱的光谱分辨率为15nm以下；
-高光谱的空间分辨率为1mm2/个像素以下。
在一些实施方案中，获取样品光谱的步骤包括：采集原始光谱，根据样品的反射率从原始光谱中筛选感兴趣区域。
在一些实施方案中，样品是卷烟烟支，感兴趣区域被定义为：在波长1300nm处反射率大于0.45的区域。
上述参数设定有效地将烟支区域与非烟支区域相区别，
在一些实施方案中，从假彩色图像中识别受污染区和未污染区步骤包括：利用边缘检测算法来确定受污染区。
在一些实施方案中，受污染区是至少3个像素以上的连通区域。
在一些实施方案中，获取受污染区与未污染区的光谱的操作中包括：分别计算受污染区与未污染区的平均光谱，以及对平均光谱进行包络线去除操作。
对受污染区与未污染区的光谱分别进行包络线去除操作，有效地增强了受污染区与未污染区的光谱信息，与本方法其它步骤协同增强方法准确率。
在一些实施方案中，根据差异定位一个或多个特征波长的步骤包括：将受污染区与未污染区的光谱相减以获得相对光谱，以及确定相对光谱曲线吸收特征峰位置波长。
在一些实施方案中，根据特征波长确定污染物的一个或多个性质包括：基于特征波长确定污染物的化学成分。
在一些实施方案中，本公开提供一种污染烟支及其污染源检测方法，通过光谱成像技术通过对数据处理自动识别污染区域和未污染区域，判断烟支是否被污染，同时获得污染区域与未污染区域的光谱信息，将污染区域与未污染区光谱与其对应光谱包络线相比，获得去除包络线后的光谱信息，再将污染区域与未污染区去包络线后光谱相比，获得污染区域相对光谱曲线，将相对光谱曲线吸收特征峰位置与污染源物质特征峰匹配，从而确定污染烟支的污染源。
在一些实施方案中，污染烟支及其污染源检测方法包括：
(1)利用光谱成像设备，获取烟支光谱图像并进行光谱校正，光谱范围可以400-1000nm或1000-2500nm，光谱分辨率不大于15nm，空间分辨率不大于1mm2/像素。
(2)扣除烟支背景，提取烟支空-谱信息；
(3)对烟支光谱进行主成分分析，合成前3个主成分的假彩色图像，通过图像分析识别出污染区域与未污染区域；
(4)分别计算污染区域与未污染区域平均光谱，并计算对应光谱的包络曲线，将平均光谱除以包络线，获得去除包络线后的光谱；
(5)将污染区域与未污染区域去除包络线后的光谱相比，获得污染区域相对光谱曲线；
(6)找出相对光谱曲线的吸收峰位置所对应的波长，并与污染源物质吸收特征峰波长比较，波长最接近的物质即为污染该烟支的污染物。
在一些方面，本公开提供一种检测样品表面污染物的装置，包括：
存储器；和
耦接至存储器的处理器，处理器被配置为基于存储在存储器装置中的指令，执行上述任一项的检测样品表面污染物的方法。
在一些方面，本公开提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项的检测样品表面污染物的方法。
术语说明
本公开如果使用了如下的术语，它们可以具有如下的含义。
术语“高光谱”指通过为目标图像内的每个像素提供光谱来获取空间分辨光谱信息的成像方法获得的光谱数据。典型地，高光谱成像是通过将采集光谱数据的第一方法与采集空间成像数据的第二方法相结合来实现的，其中两种方法尤其可以由单个成像设备来执行。由此获得的数据优选地可以通过使用覆盖空间成像数据的两个空间维度和包括光谱数据的一个光谱维度以三维图形表示来呈现。这种三维图形表示也可以被称作“高光谱立方体”。空间分辨光谱信息可用于各种应用，包括但不限于以非接触无损方式确定目标的化学组成。
术语“主成分分析”是一种统计方法，该方法使用正交变换将可能相关变量的一组观测结果转换为被称作主成分的线性不相关变量的一组值。它找到数据集的主要分量，并将数据转换成新的低维子空间。主要部件，其可以由特征向量表示，在数学上对应于原始N维空间中的方向，使得第一主分量尽可能多地解决数据中的方差，并且每个后续分量尽可能多地解决剩余方差。利用主成分分析获得前三个成分波段，可以生成假彩色图像来实现信息可视化。
术语“边缘检测算法”是指识别边缘(例如，图像亮度的突变或梯度)的计算机算法。边缘检测算法可以识别边缘特征，并利用边缘特征来预测数字视频的写入表面内的边缘。边缘检测算法可以包括Canny边缘检测器。这里使用的术语“边缘特征”指的是表示一个或多个边缘的数字图像的特征。例如，边缘特征可以包括指示边缘(例如线段)的数字图像内的亮度或强梯度的变化。
术语“包络线去除”(continuum removed)增强感兴趣吸收特征的光谱分析方法，它可以有效突出光谱曲线的吸收和反射特征。“包络线”可以定义为逐点直线连接光谱曲线上那些凸出的峰值点，并使折线在峰值点上的外角大于180°，以原始光谱曲线上的值除以包络线上对应的值，即为光谱去包络。
有益效果
本公开的技术方案可以具有如下的一项或多项优点：
1、操作简便，无需进行人工污染位置识别；
2、与被污染物无关，避免了不同品牌卷烟纸的差异和统一品牌不同批次卷烟纸质量稳定性差异所造成的结果差异；
3、无需建模，避免了大量建模测试，以及建模方法及模型质量造成的结果差异。
附图说明
图1为烟支上受污染区与未受污染区的光谱曲线；
图2为烟支受污染区的相对光谱曲线；
图3为一种检测样品表面污染物的方法的流程图；
图4出一些检测样品表面污染物的装置示意图；
图5出又一些检测样品表面污染物的装置示意图。
具体实施方式
下面将结合实施例对本发明的实施方案进行详细描述，但是本领域技术人员将会理解，下列实施例仅用于说明本发明，而不应视为限定本发明的范围。实施例中未注明具体条件者，按照常规条件或制造商建议的条件进行。所用试剂或仪器未注明生产厂商者，均为可以通过市购获得的常规产品。
下面结合附图对本发明的具体实施方式作进一步详细说明。
待测样品为卷烟烟支、卷烟滤棒、及卷烟包装材料，如卷烟纸、成型纸、水松纸等。
(1)利用高光谱成像仪(Image-λ-N25E-HS，SWIR)对卷烟烟支进行光谱检测，光谱仪参数设定如下：波长范围为1000-2500nm，波段数为288，光谱分辨率为12nm，空间分辨率为0.1mm2，采集烟支光谱图像；
(2)按1300nm对于反射率大于0.45的阈值进行卷烟烟支空-谱信息提取，提取反射率大于0.45的图像空间位置信息，即实现扣除非烟支背景图像；
(3)烟支光谱进行PCA降维，提出前3个主成分波段，合成假彩色图像，利用图像处理技术中的边沿检测检测方法，寻找受受污染区的边缘，将连续3个像素以上的区域作为受污染区；
(4)分别计算受污染区与未受污染区平均光谱，并计算对应光谱的包络曲线，如图1(烟支上受污染区与未受污染区的光谱曲线)所示，将平均光谱除以该光谱对应的包络线，获得去除包络线后的光谱；
(5)将受污染区与未受污染区去除包络线后的光谱相比(相除)，获得受污染区相对光谱曲线，如图2(烟支受污染区的相对光谱曲线)所示；
(6)烟支受污染区相对光谱曲线特征吸收峰波长为1946nm和1452nm，经数据库查询，该吸收峰波长与水的吸收峰波长最为接近，因此可以判断该烟支污染源为水。
图3为一种检测样品表面污染物的方法的流程图。如图3所示，一种检测样品表面污染物的方法，包括：
S101获取样品光谱；
S102对样品光谱进行主成分分析，取前三个主成分所对应的波段数据生成假彩色图像；
S103从假彩色图像中识别受污染区和未污染区；
S104分别获取受污染区与未污染区的光谱；
S105比较受污染区与未污染区的光谱差异，以及根据所述差异定位一个或多个特征波长；
S106根据所述特征波长确定污染物的一个或多个性质。
图4出一些检测样品表面污染物的装置示意图。
如图4所示，该实施例的检测样品表面污染物的装置7包括：存储器71以及耦接至该存储器71的处理器72，处理器72被配置为基于存储在存储器71中的指令，执行本公开中任意一个实施例中的检测样品表面污染物的方法。
其中，存储器71例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)、数据库以及其他程序等。
图5出又一些检测样品表面污染物的装置示意图。
如图5所示，该实施例的检测样品表面污染物的装置8包括：存储器810以及耦接至该存储器810的处理器820，处理器820被配置为基于存储在存储器810中的指令，执行前述任意一个实施例中的检测样品表面污染物的。
存储器810例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序(Boot Loader)以及其他程序等。
检测样品表面污染物的装置8还可以包括输入输出接口830、网络接口840、存储接口850等。这些接口830、840、850以及存储器810和处理器820之间例如可以通过总线860连接。其中，输入输出接口830为显示器、鼠标、键盘、触摸屏等输入输出设备提供连接接口。网络接口840为各种联网设备提供连接接口。存储接口850为SD卡、U盘等外置存储设备提供连接接口。
本领域内的技术人员应当明白，本公开的实施例可提供为方法、系统、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
至此，已经详细描述了根据本公开的检测样品表面污染物的方法、检测样品表面污染物的装置和计算机可读存储介质。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本公开的方法和系统。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和系统。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。此外，在一些实施例中，还可将本公开实施为记录在记录介质中的程序，这些程序包括用于实现根据本公开的方法的机器可读指令。因而，本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (12)

1.一种检测样品表面污染物的方法，包括：
-获取样品光谱；
-对样品光谱进行主成分分析，取前三个主成分所对应的波段数据生成假彩色图像；
-从假彩色图像中识别受污染区和未污染区；
-分别获取受污染区与未污染区的光谱；
-比较受污染区与未污染区的光谱差异，以及根据所述差异定位一个或多个特征波长；
-根据所述特征波长确定污染物的一个或多个性质。
2.根据权利要求1所述的方法，其中，所述样品光谱为样品的高光谱图像。
3.根据权利要求2所述的方法，所述高光谱图像是在以下一项或多项光谱测试条件下采集的：
-高光谱的波长范围为400-2500nm；
-高光谱的波段数为250～300；
-高光谱的光谱分辨率为15nm以下；
-高光谱的空间分辨率为1mm2/个像素以下。
4.根据权利要求1所述的方法，其中，获取样品光谱的步骤包括：采集原始光谱，根据样品的反射率从原始光谱中筛选感兴趣区域。
5.根据权利要求4所述的方法，其中，所述样品是卷烟烟支，所述感兴趣区域被定义为：在波长1300nm处反射率大于0.45的区域。
6.根据权利要求1所述的方法，从假彩色图像中识别受污染区和未污染区步骤包括：利用边缘检测算法来确定受污染区。
7.根据权利要求6所述的方法，其中，所述受污染区是至少3个像素以上的连通区域。
8.根据权利要求1所述的方法，其中，获取受污染区与未污染区的光谱的操作中包括：分别计算受污染区与未污染区的平均光谱，以及对所述平均光谱进行包络线去除操作。
9.根据权利要求1所述的方法，根据所述差异定位一个或多个特征波长的步骤包括：将受污染区与未污染区的光谱相减以获得相对光谱，以及确定相对光谱曲线吸收特征峰位置波长。
10.根据权利要求1所述的方法，根据所述特征波长确定污染物的一个或多个性质包括：基于特征波长确定污染物的种类。
11.一种检测样品表面污染物的装置，包括：
存储器；和
耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器装置中的指令，执行权利要求1-10任一项所述的检测样品表面污染物的方法；
优选地，所述检测样品表面污染物的装置还包括光谱仪，光谱仪向储存器输出样品光谱。
12.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现权利要求1-10任一项所述的检测样品表面污染物的方法。
CN202110963058.6A 2021-08-20 2021-08-20 检测样品表面污染物的方法、装置和计算机可读取介质 Active CN113655072B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110963058.6A CN113655072B (zh) 2021-08-20 2021-08-20 检测样品表面污染物的方法、装置和计算机可读取介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110963058.6A CN113655072B (zh) 2021-08-20 2021-08-20 检测样品表面污染物的方法、装置和计算机可读取介质

Publications (2)

Publication Number Publication Date
CN113655072A true CN113655072A (zh) 2021-11-16
CN113655072B CN113655072B (zh) 2023-12-26

Family

ID=78491848

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110963058.6A Active CN113655072B (zh) 2021-08-20 2021-08-20 检测样品表面污染物的方法、装置和计算机可读取介质

Country Status (1)

Country Link
CN (1) CN113655072B (zh)

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6587575B1 (en) * 2001-02-09 2003-07-01 The United States Of America As Represented By The Secretary Of Agriculture Method and system for contaminant detection during food processing
CN103995005A (zh) * 2014-04-21 2014-08-20 江苏悦达农业发展有限公司 一种家禽胴体表面污染物在线检测与处理方法
US20160069743A1 (en) * 2014-06-18 2016-03-10 Innopix, Inc. Spectral imaging system for remote and noninvasive detection of target substances using spectral filter arrays and image capture arrays
CN105928899A (zh) * 2016-04-15 2016-09-07 福建中烟工业有限责任公司 一种卷烟烟支色斑污染的检测方法及系统
CN106251328A (zh) * 2016-07-13 2016-12-21 南京农业大学 一种利用二维高光谱图像识别鸡胴体表面污染物的方法
CN106501208A (zh) * 2016-09-20 2017-03-15 广西中烟工业有限责任公司 一种基于近红外光谱特征的烟叶风格相似性分类方法
WO2018026594A1 (en) * 2016-08-05 2018-02-08 University Of Notre Dame Du Lac Tunable attribute precision screening assessment platform
CN108398391A (zh) * 2018-01-23 2018-08-14 浙江理工大学 一种基于高光谱成像技术的橄榄油掺假的检测方法
CN109253975A (zh) * 2018-11-08 2019-01-22 江南大学 基于msc-cfs-ica的苹果轻微损伤高光谱检测方法
CN110542658A (zh) * 2019-09-10 2019-12-06 中国烟草总公司郑州烟草研究院 一种基于高光谱成像技术的烟草非烟物质分类方法
CN110596117A (zh) * 2019-08-15 2019-12-20 山东科技大学 一种基于高光谱成像的苹果表面损伤快速无损检测方法
CN110632092A (zh) * 2019-10-25 2019-12-31 云南电网有限责任公司电力科学研究院 基于高光谱技术的绝缘子表面污秽分布特性检测方法
CN111257242A (zh) * 2020-02-27 2020-06-09 西安交通大学 绝缘子污秽成分高光谱识别方法
CN113160183A (zh) * 2021-04-26 2021-07-23 山东深蓝智谱数字科技有限公司 一种高光谱数据处理方法、设备及介质
CN113237863A (zh) * 2021-03-23 2021-08-10 浙江大学山东工业技术研究院 一种基于光谱进行油菜花瓣核盘菌侵染的快速诊断的方法

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6587575B1 (en) * 2001-02-09 2003-07-01 The United States Of America As Represented By The Secretary Of Agriculture Method and system for contaminant detection during food processing
CN103995005A (zh) * 2014-04-21 2014-08-20 江苏悦达农业发展有限公司 一种家禽胴体表面污染物在线检测与处理方法
US20160069743A1 (en) * 2014-06-18 2016-03-10 Innopix, Inc. Spectral imaging system for remote and noninvasive detection of target substances using spectral filter arrays and image capture arrays
CN105928899A (zh) * 2016-04-15 2016-09-07 福建中烟工业有限责任公司 一种卷烟烟支色斑污染的检测方法及系统
CN106251328A (zh) * 2016-07-13 2016-12-21 南京农业大学 一种利用二维高光谱图像识别鸡胴体表面污染物的方法
WO2018026594A1 (en) * 2016-08-05 2018-02-08 University Of Notre Dame Du Lac Tunable attribute precision screening assessment platform
CN106501208A (zh) * 2016-09-20 2017-03-15 广西中烟工业有限责任公司 一种基于近红外光谱特征的烟叶风格相似性分类方法
CN108398391A (zh) * 2018-01-23 2018-08-14 浙江理工大学 一种基于高光谱成像技术的橄榄油掺假的检测方法
CN109253975A (zh) * 2018-11-08 2019-01-22 江南大学 基于msc-cfs-ica的苹果轻微损伤高光谱检测方法
CN110596117A (zh) * 2019-08-15 2019-12-20 山东科技大学 一种基于高光谱成像的苹果表面损伤快速无损检测方法
CN110542658A (zh) * 2019-09-10 2019-12-06 中国烟草总公司郑州烟草研究院 一种基于高光谱成像技术的烟草非烟物质分类方法
CN110632092A (zh) * 2019-10-25 2019-12-31 云南电网有限责任公司电力科学研究院 基于高光谱技术的绝缘子表面污秽分布特性检测方法
CN111257242A (zh) * 2020-02-27 2020-06-09 西安交通大学 绝缘子污秽成分高光谱识别方法
CN113237863A (zh) * 2021-03-23 2021-08-10 浙江大学山东工业技术研究院 一种基于光谱进行油菜花瓣核盘菌侵染的快速诊断的方法
CN113160183A (zh) * 2021-04-26 2021-07-23 山东深蓝智谱数字科技有限公司 一种高光谱数据处理方法、设备及介质

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
赵科文等: "近红外光谱结合模式识别算法溯源识别卷烟纸油污", vol. 46, no. 6, pages 51 - 55 *
韩亚芬等: "PLS-DA优化模型的马铃薯黑心病可见近红外透射光谱检测", vol. 41, no. 4, pages 1213 - 1219 *

Also Published As

Publication number Publication date
CN113655072B (zh) 2023-12-26

Similar Documents

Publication Publication Date Title
Zhang et al. Application of near-infrared hyperspectral imaging with variable selection methods to determine and visualize caffeine content of coffee beans
Mishra et al. Near-infrared hyperspectral imaging for non-destructive classification of commercial tea products
Ward et al. A remote sensing adapted approach for soil organic carbon prediction based on the spectrally clustered LUCAS soil database
CN108169213B (zh) 一种激光诱导击穿光谱谱峰元素自动识别方法
CN110542658A (zh) 一种基于高光谱成像技术的烟草非烟物质分类方法
Tschannerl et al. Potential of UV and SWIR hyperspectral imaging for determination of levels of phenolic flavour compounds in peated barley malt
Calvini et al. Data dimensionality reduction and data fusion for fast characterization of green coffee samples using hyperspectral sensors
MX2007000064A (es) Eliminacion automatica del fondo para los datos de entrada.
EP2710353A1 (en) Spectroscopic apparatus and methods for determining components present in a sample
JP6676743B2 (ja) 分光画像データ処理装置および２次元分光装置
CN100357725C (zh) 近红外技术快速检测牛肉嫩度的方法和装置
JP2013036973A (ja) 検量線作成方法およびその装置、並びに目的成分検量装置
CN115656053B (zh) 岩石矿物含量测试方法及系统
CN110836878B (zh) 一种卷积插值耦合高斯混合模型快速三维荧光寻峰方法
Tappert et al. Characterizing kimberlite dilution by crustal rocks at the Snap Lake diamond mine (Northwest Territories, Canada) using SWIR (1.90–2.36 μ m) and LWIR (8.1–11.1 μ m) hyperspectral imagery collected from drill core
EP3809362A1 (en) Image processing device, image processing method, and image sensor
e Brito et al. Determination of detergent and dispensant additives in gasoline by ring-oven and near infrared hypespectral imaging
US11860102B2 (en) Fluorescence fingerprint analysis for quantifying TSNAs in processed tobacco raw material
WO2021195817A1 (zh) 一种提取待测物质的光谱信息的方法
Wright et al. Free and open-source software for object detection, size, and colour determination for use in plant phenotyping
CN113655072B (zh) 检测样品表面污染物的方法、装置和计算机可读取介质
Portalés et al. An image-based system to preliminary assess the quality of grape harvest batches on arrival at the winery
Capobianco et al. Pigment identification in pictorial layers by HyperSpectral Imaging
JP2019060815A (ja) 自動ケミカルイメージ作成
Mahgoub et al. Quantitative chemical near-infrared hyperspectral imaging of Islamic paper

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant